Dernière mise à jour: octobre 2026. Écrit par l'équipe de Curriculo.
Les outils ATS pour le partage de mots clés comptent les mots dans un CV. Les outils ATS basés sur les résultats notent ce que quelqu'un a fait contre votre travail. Curriculo ATS utilise un score de 0 à 100 selon le style de résultat avec un résumé écrit de l'ajustement AI. Le démarrage est gratuit pour toujours, et le prix Pro est de 50 $, à partir d'octobre 2026.
Chaque système de suivi des candidats utilise une forme de AI pour classer les CV. Les architectures se divisent en deux catégories: la correspondance basée sur des mots clés, utilisée par presque toutes les plateformes héritées, et le classement basé sur les résultats, utilisé par Curriculo ATS. La différence n'est pas le marketing. Il s'agit d'une différence structurelle dans la façon dont le modèle lit un CV et il produit des listes courtes fondamentalement différentes pour le même ensemble de candidats.
C'est une comparaison technique écrite pour un recruteur ou un recruteur qui veut comprendre ce qui se passe réellement sous le capot lorsqu'il achète un logiciel ATS, et pourquoi les deux architectures ne peuvent pas être éclaircies par un meilleur UX ou un modèle plus intelligent sur la même entrée.
Comment fonctionne le partage par mots clés
Le matching basé sur des mots clés extrait les jetons de la description de l'emploi (Python, AWS, Kubernetes, Django, Postgres) et analyse le CV pour les mêmes jetons. Chaque jeton trouvé compte vers un score correspondant. La mise en œuvre de base ressemble à peu près à ceci: job_tokens = extrait_keywords(job_description); resume_tokens = extrait_keywords(resume_text); chevauchement = intersection(job_tokens, resume_tokens); score = len(overlap) / len(job_tokens). Des versions plus sophistiquées utilisent le pondération TF-IDF (termes rares comptent plus que les plus courants) ou les emboîtrements de phrases (résumés dont le vecteur est proche du rang vecteur JD plus élevé, capturant des synonymes comme "led" pour "managed"). Les trois variantes partagent la même propriété sous-jacente: elles sont des fonctions de correspondance de texte déterministes, et le CV est l'entrée. Les candidats qui connaissent les tactiques de remplissage de mots clés peuvent produire de manière fiable des résultats favorisés par le modèle.
Les trois vulnérabilités structurelles de l'ajustement des mots clés
1. Le dépôt Envenenement à la suite de l'adversité
Tout algorithme de correspondance de texte déterministe peut être joué par des candidats qui connaissent les règles. Si le modèle récompense la présence de mots-clés spécifiques, les candidats insèrent ces mots-clés dans un texte blanc caché au bas du CV, dans des points de balles répétés ou dans des sections de fausses compétences. Les systèmes basés sur des mots clés sont structurellement vulnérables à cela; le modèle n'a aucune idée de savoir si le mot clé est là parce que le candidat a fait le travail ou parce qu'il a trouvé le filtre. Même les modèles de similitude sémantique sont vulnérables, mais à une attaque légèrement différente: copier-coller le JD dans le résumé et la distance cosine s'effondre à presque zéro.
- Le deuxième. Faux positifs sur les candidats faibles
Un candidat dont le CV mentionne "Python" quatre fois surpasse un candidat dont le CV décrit l'expédition d'un système de détection de fraude en temps réel. Le modèle récompense la densité symbolique, pas la profondeur. Le recruteur voit le faux positif en haut du rang et le déplace en avant; le candidat fort se trouve à la position 47 et ne se fait jamais lire. Le scan de 7 secondes de CV documenté par la recherche signifie que les recruteurs n'ont pas le temps de corriger manuellement le rang.
3. Le dépôt Faux négatifs sur les candidats forts
Selon des recherches menées sur des travailleurs cachés, 27 millions d'Américains qualifiés sont rejetés par un dépistage automatisé pour des raisons non liées à leur capacité. Un ingénieur de Senior qui a écrit " construit un service de streaming " au lieu d' " architecturer un pipeline de données en temps réel " disparaît. Un candidat avec un vocabulaire non traditionnel, un vide dans son CV ou un cadre de l'industrie différent est filtré avant qu'un humain ne les examine.
Comment fonctionne le classement basé sur les résultats
Le classement basé sur les résultats inverse le mécanisme. Au lieu de comparer le texte du CV au texte du JD, le modèle extrait des réalisations mesurables du CV en quatre catégories et les classe en fonction des exigences de résultats du rôle. Les quatre catégories: les revenus (contrats conclus, ARR généré, économies produites), les équipes (personnes gérées, organisations à l'échelle), les systèmes (construits, expédiés, à l'échelle de la production) et les problèmes (résolus, complexes, nouveaux). Le modèle renvoie un score composé de 0 à 100 avec un paragraphe de résumé écrit AI qui nomme les résultats spécifiques qu'il a trouvés. Le paragraphe est la partie qui transforme le système d'une boîte noire en un outil qu'un humain peut vérifier.
Architecturalement, le modèle lit la balle plutôt que le mot-clé. "Envoyé un pipeline de détection de fraude en temps réel qui traite 2M événements/seconde" se registre comme un signal fort envoyé par le système, que la balle utilise les mots "streaming", "pipeline", "en temps réel", ou tout cadre spécifique. "Python, Python, Python" est enregistré comme rien, parce qu'il n'y a pas de résultat derrière cela. Les deux candidats produisent des rangs inversés par rapport à un modèle de mot clé, et l'inversion est l'ensemble du point.
Pourquoi le classement basé sur les résultats est plus difficile à comprendre
La robustesse adverse est la façon la plus propre de comparer les deux architectures. Un modèle basé sur des mots clés peut être trompé par tout candidat qui colonne des jetons sur un CV; le modèle n'a aucune défense, car l'entrée qu'il lit est l'entrée que le candidat contrôle. Un modèle basé sur les résultats ne peut être trompé que par un candidat qui fabrique des réalisations, ce qui est une attaque catégoriquement plus difficile. Inventer des chiffres de revenus fictifs ou des systèmes faux est une fraude. Pas de mots clés. Le saut du coût de l'attaque est ce qui rend le modèle basé sur les résultats résistant.
C'est le même principe que les systèmes de recommandation d'Amazon, il y a dix ans, pour se protéger contre la manipulation des listes par les vendeurs. Les vendeurs peuvent écrire ce qu'ils veulent dans un titre de produit; ils ne peuvent pas fabriquer des données d'achat, des taux de retour ou des modèles de critiques vérifiés. Le ranger lit le signal difficile à fabriquer. Avant Curriculo ATS, notre fondateur Dev Rishi Khare, un ancien ingénieur en apprentissage automatique chez Amazon, a passé des années à travailler sur la recherche et les recommandations, et le principe est passé presque intact: classer sur les signaux que l'entrée ne peut pas fabriquer à bas prix.
Comment les deux architectures gèrent différemment la conformité
L'embauche moderne de AI est régie par deux régimes réglementaires qui comptent pour les petites équipes qui embauchent dans NYC ou EU. La loi locale 144 NYC exige des audits partiels et des avis de candidature pour les outils automatisés de décision d'emploi utilisés dans NYC, avec des audits annuels de tiers et des rapports sommaires publics. La loi EU AI classifie l'embauche de AI comme étant à haut risque en vertu de l'annexe III, avec des obligations applicables à partir d'août 2026, y compris des évaluations obligatoires des risques, des documents techniques, des tests de biais et des exigences en matière de surveillance humaine.
Les deux régimes favorisent les modèles avec un raisonnement documenté et explicable. Un ATS basé sur les résultats qui produit un paragraphe écrit par candidat satisfait les exigences de documentation et d'audit de manière beaucoup plus propre qu'un modèle de mot clé de boîte noire qui renvoie un nombre sans explication. La différence de coûts de conformité entre les deux architectures est réelle: un fournisseur basé sur les résultats peut produire les objets d'audit directement à partir de la sortie du modèle, tandis qu'un fournisseur basé sur des mots clés doit adapter les explications ou accepter le risque continu. Ce n'est pas la raison de marketing pour laquelle Curriculo ATS utilise l'architecture basée sur les résultats, mais c'est l'une des raisons pour lesquelles le choix de l'architecture vieillit bien.
Que signifie ce que vous choisissez un ATS
La différence architecturale apparaît dans la liste de choix. Exécutez les mêmes centaines de CV à travers un ATS basé sur les mots clés et un ATS basé sur les résultats et comparez les dix premiers candidats classés de chacun. Les deux listes se chevauchent de 30 à 50%, le reste sera des personnes différentes. La liste des mots clés comprendra les candidats qui ont optimisé leurs CV pour le filtre. La liste des résultats comprendra les candidats qui ont effectivement envoyé des travaux pertinents. Le recruteur ou l'embaucheur en tête lit l'une de ces deux listes.
Les prix reflètent le positionnement plutôt que l'écart de capacité. Le prix de travail commence à 299 $ par mois pour 1 à 20 employés sur Pricing, vérifié en octobre 2026 et mesuré par parenthèses des employés. Greenhouse propose une cotation personnalisée de 150 $ par siège par mois par rapport à un acheteur, avec une cotation personnalisée médiane. Curriculo ATS Pro est Pro est de 50 $ (Pro est de 50 $ / mois) avec des membres de l'équipe illimités. La différence de prix est d'environ un ordre de grandeur au niveau des petites équipes concernées et l'architecture de dépistage est structurellement différente.
Que faire ensuite ?
Si vous évaluez les options ATS en ce moment, le choix architectural est la variable la plus importante, et c'est le plus démos papier sur. Lisez la page de notation d'impact pour le mécanisme technique, puis vérifiez la page de comparaison pour voir comment Curriculo ATS s'accumule contre Greenhouse, Lever, Workable, Ashby et Manatal sur la couche de dépistage spécifiquement. Le niveau de démarrage est gratuit et suffit pour vérifier la différence architecturale sur un rôle réel.
Comment Curriculo ATS classe les candidats
Curriculo ATS note chaque candidat de 0 à 100 contre votre travail, avec un résumé écrit de AI de l'ajustement. Curriculo prend en charge plus de 200 langues et peut lire un CV dans n'importe quelle langue. Le démarrage est gratuit pour toujours. Le pro est de 50 $. On est prêts dans 15 minutes. Pas de carte de crédit.
Questions fréquemment posées
Qu'est-ce que le correspondement de mots clés dans un ATS
Le nombre de mots clés correspondant compte la fréquence avec laquelle les mots de la description de l'emploi apparaissent dans un CV. Il est rapide et manque de gens qui décrivent le même travail avec des mots différents.
Qu'est-ce que le classement ATS basé sur les résultats
Le classement basé sur les résultats note ce que le candidat a réellement fait contre le poste que vous avez posté, pas le nombre de fois qu'un mot clé apparaît.
Curriculo ATS utilise-t-il le mot clé de correspondance seul ?
- Je ne sais pas. Curriculo ATS note chaque candidat de 0 à 100 contre votre travail, avec un résumé écrit de AI de l'ajustement.
Où puis-je essayer Curriculo ATS
Démarrer le free. Voir Curriculo prix.
Où est expliqué le classement des candidats AI
Candidat de la AI dans la catégorie .
Sources
- Prix de Curriculo, vérifié octobre 2026
- Classification des candidats à la AI
- comparations de ATS